移动边缘计算——体系架构、关键技术和发展应用

移动边缘计算——体系架构、关键技术和发展应用

隋小林

山东上硕上博教育科技有限公司 山东烟台 264011

【摘要】 随着5G和边缘计算技术的兴起和相互融合，移动边缘计算（MEC）逐渐成为一个新的研究热点。MEC通过在移动网络边缘提供IT服务环境和云计算能力，以减少网络操作和服务交付的时延。其技术特征主要包括“邻近性、低时延、高宽带和位置认知”，有广阔的应用前景，例如车联网、视频优化加速、监控视频分析等。但是，现有的MEC研究没有充分发挥海量移动终端的群体智能，面对大规模复杂任务力不从心。为此，本文拟探索紧密结合人工智能的移动边缘计算技术。首先，对相关研究成果进行深入调研和归纳总结，然后，从基本概念、体系架构、关键技术、典型应用和问题挑战等层面对MEC相关机制展开较为系统的研究。

【关键词】移动边缘计算；云计算；智能家居；车联网

1 引言

互联网时代的快速发展，导致网络边缘设备的数量广泛增加，以及数据量的无限制增增长，根据国际权威机构调查显示，2019年，全球数据量已高达41ZB，全球近九成的数据在最近几年产生，预计五年后，全球数据量将增加十倍，达到160ZB。在此种情况下，以云计算为核心的集中式处理模型显得力所不及。

集中式处理模型是指把所有数据通过互联网或者其他方式传输到云计算中心,利用云计算中心强大的计算功能来集中化地解决数据的计算和存储等问题,这样就使得整个云服务系统能够为世界创造更多的经济效益。然而,在当今万物互联的情况下,传统的云计算明显地表现出了许多缺陷,比如:①系统的实时性不足,云计算模型把大量的数据直接传输到了云计算的中心,再请求数据处理,增大了整个系统的工作延迟;②网络带宽不够,边缘设备会产生巨量数据,所有的数据都传送到云端后会加剧对网络带宽的干扰以及带来压力;③高耗能，随着用户数量的增大，大量的数据处理以及程序的运行消耗了极多的电能。除此之外，云计算还存在安全性不足、隐私泄露等问题。

面对云计算的不足，大量的数据处理，需要一个更加可靠的、有竞争力、可扩展的且安全性能高的接入网的加入。因此，边缘计算模型应运而生。边缘计算模型是指在靠近网络数据源的地方执行数据处理，边缘计算和云计算并不是替代关系，而是相辅相成的关系，边缘计算需要云计算强大的计算能力和海量的数据存储能力，云计算需要边缘计算中边缘设备对海量数据和隐私数据的处理能力。

2 边缘计算概述

2.1 基本概念

边缘计算是指应用程序在边缘侧发起请求，从而产生更快的网络服务响应，满足各行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。对于智能制造而言，边缘计算技术的不断突破与普及应用，意味着许多分析、控制将可以通过本地设备实现，而无需交由云端处理，处理过程也将在本地边缘计算层完成，这将大大提升处理效率、减轻云端的计算和存储压力。简单地说，就是边缘计算帮助云计算过滤了一大部分无用的信息、处理掉一批在边缘设备就可以完成的工作，减轻了云端的工作量。随着无线设备的激增，移动边缘计算已成为一种规范化、标准化的技术。它通过在网络边缘设立边缘服务器，为应用程序提供了计算、存储和传输等服务的新型平台，满足了用户在低延迟性、高带宽、高安全性、高隐私性等的要求下的应用场景。

2.2 发展现状

边缘计算技术和应用处在发展初期时，就获得了业界高度的重视。譬如：2017年，亚马逊进军边缘计算领域，走在了行业的前面。通过AWS Greengrass服务将 AWS 扩展到设备上，这样就可以在本地处理所生成的数据，同时可以使用云计算来进行管理、分析和存储数据。微软公司计划未来几年在物联网领域投入大量资金，其中就包含边缘计算项目。2017年微软发布了 Azure IoT Edge 解决方案——将云分析扩展到边缘设备，并支持离线使用。同年，人工智能芯片制造商英伟达推出了 Jetson TX2，这是一个面向边缘设备的人工智能计算平台。

随着对边缘计算的深入研究，它的标准化工作也逐渐受到各大标准化组织的关注，国际标准化组织纷纷成立工作组，开始边缘计算标准化工作。2014年，欧洲电信标准化协会（ETSI）成立移动边缘计算标准化工作组；2015年，思科、ARM、戴尔、英特尔、微软、普林斯顿大学等机构联合发起成立开放雾计算联盟；2017年 ISO/IECJTC1SC41 成立了边缘计算研究小组，以推动边缘计算标准化工作；2017年IEC发布了VE白皮书，介绍了边缘计算对于制造业等垂直行业的重要价值。2018 年初，ITU-TSG20（国际电信联盟物联网和智慧城市研究组）成功立项首个物联网领域边缘计算项目——用于边缘计算的 IOT 需求[1]。

目前，移动边缘计算依然处在发展阶段。随着数据量处理需求的增大，移动边缘计算得到了世界各界广泛的认可和高度的好评。 国内边缘计算的发展速度和世界几乎同步，尤其是从智能制造的角度。2016年11月30 日，华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔等在北京成立了边缘计算产业联盟（ECC），致力于推动“政产学研用”各方产业资源合作，引领边缘计算产业的健康可持续发展。2017年５月首届中国边缘计算技术研讨会在合肥开幕，同年８月中国自动化学会边缘计算专委会成立，标志着边缘计算的发展已经得到了专业学会的认可和推动[1]。

3 边缘计算体系架构

边缘计算和云计算是替代和被替代的关系，而是相辅相成的、互相协作的关系。与云计算协同工作的边缘计算架构一般可分为三层：终端层、边缘计算层、云计算层，如图1所示。

图1 边缘计算的通用架构

终端层一般由各种物联网设备组成，例如：摄像头、智能手表、传感器等。本层只需要采集数据，之后将数据上传即可，因此终端层对各种物联网设备的感知能力要求较高，但不考虑它们的计算能力。终端层数以亿计的设备只需要源源不断的收集数据，以数据源的形式作为通用结构的输入即可。

边缘计算层处在边缘设备和云计算之间，它既可以是智能终端设备本身，例如智能手环、摄像头、手机等，也可以是在网络连接中的关键设备，例如网关、路由器等。边缘计算层通过合理部署和调配网络边缘侧的计算和存储能力，实现基础服务响应。边缘节点的计算和存储资源是差别很大的，并且边缘节点的资源是动态变化的，例如手机的存储资源是随着人的使用情况动态变化的。因此，如何在动态的网络拓扑中对计算任务进行分配和调度是值得研究的问题。

云计算层任然以云计算为中心，庞大的数据处理任然需要依赖云计算中心强大的计算能力和存储能力，边缘计算层上报的数据需要在云计算中心进行永久性的存储，边缘计算层无法处理的分析任务和全局信息的处理任务也仍然需要在云计算中心完成。

4 关键支撑技术

4.1 隔离技术

边缘计算的稳步发展需要隔离技术的支撑。隔离技术可以为边缘计算服务提供可靠性以及保证服务的质量。隔离技术需要考虑两个方面的问题：

①计算资源的隔离。就是应用程序之间避免相互干扰。

②对传输数据的隔离。不同的应用程序应该具有不同的访问权限。

如果某一应用程序的崩溃可能带来整个系统的崩溃，造成无法挽回的后果。在边缘计算中，这个情况将会更加的复杂。例如在智能手机操作系统中，既需要满足人们对游戏的需求，又需要满足用户对音乐的需求。如果某一时刻，音乐任务干扰了游戏任务，或者影响了其他应用程序的任务，将会引起严重的后果。隔离技术还要考虑第三方程序对用户隐私数据的访问权限问题。例如：汽车娱乐程序不应该被允许访问驾驶系统等。

4.2 操作系统和算法

边缘计算操作系统既要需要管理异构的计算资源，也要处理大量的异构数据以及多用的应用负载，其需要负责将复杂的计算任务在边缘计算节点上部署、调度及迁移，从而保证计算任务的可靠性以及资源的最大化利用。

在人工智能的快速发展环境下，边缘设备需要执行越来越多的智能算法任务，例如智能机器需要进行自然语言理解等。在这些任务中，机器学习尤其是深度学习算法占有很大的比重，并且硬件设备更好地执行以深度学习算法为代表的智能任务是研究的重点，也是实现边缘智能的必经之路。而设计面向边缘计算场景下的高效的算法执行框架是一个重要的方法。

4.3 体系架构和处理平台

边缘计算要求将对数据的计算推至于靠近数据源的位置，并且将整个计算部署于从数据源到云计算的传输节点上，这样的网络部署对现有网络结构提出了更高的要求。边缘计算的计算系统结构设计仍然是一个新兴的领域，仍然具有很多挑战亟待解决，例如如何高效地管理边缘计算异构硬件、如何对这类的系统结构进行公平及全面的评测等。

边缘设备时刻产生大量数据，数据的来源和类型多种多样，这些数据包括环境传感器采集的时间序列数据、摄像头采集的图片视频数据等，数据大多具有时空属性。因此，构建一个针对边缘数据进行管理、分析和共享的平台十分必要。

4.4 安全和隐私

虽然边缘计算将计算推至数据源，避免了数据上传到云端，降低了隐私数据泄露的发生。但是，相较于云计算中心，边缘计算设备通常处于靠近用户侧，或传输路径上，具有更高的概率可能被攻击者攻击。因此，边缘计算节点自身的安全性仍是一个不可忽略的问题。

5 典型应用

5.1 智能家居

人们为了提高生活舒适度纷纷采用智能家居系统，传统的终端设备在产生大量的高清视频数据时，使用云计算会占用大量的带宽，而在数据侧的边缘服务器传输中不存在这种问题。此外，由于家庭中产生的数据比较隐私，上传至云端进行分析后可能会带来隐私泄露问题，而在家庭的边缘端可以防止这些问题的出现，从而提升服务的质量。

5.2 车联网

随着机器视觉、深度学习和传感器等技术的发展，汽车的功能不再局限于传统的出行和运输工具，而是逐渐变为一个智能的、互联的计算系统。这样新型的汽车称为智能网联车（CVAs）。伴随智能网联车的出现，产生了一系列新的应用场景，例如自动驾驶、智能交通。在2016年Intel的报告指出，一辆自动驾驶车辆一天产生的数据为4TB，庞大的数据无法全部上传至云端处理，需要在边缘设备（汽车）中存储和计算。无疑，自动驾驶计算场景是目前最热的研究方向之一，围绕此场景有经典的自动驾驶算法评测数据集 KITTL，还有针对不同自动驾驶阶段的经典的视觉算法。在工业界有许多针对CAVs场景推出的计算平台，例如NVIDIA等。同时，学术界有许多前沿工作也开始探索智能网联车场景下的边缘计算平台的系统设计。

5.3 智能交通

传统的高速公路工程，对提升交通效率、交通安全、服务水平的能力逐步走向尽头。因此，引入新技术、新产品，打造智慧高速公路，以求能够突破发展瓶颈，进一步提升高速公路服务和管理水平，已成为业内共识。边缘计算技术作为云计算技术的重要一部分，与物联网、移动互联网、大数据、人工智能等技术领域均有密切联系。在高速公路“新基建”发展过程中，边缘计算终将成为高速公路基础设施建设中必不可少的组成部分。

随着高速公路对提高安全、效率等服务水平的需求，高速公路感知设备的种类、数量越来越多、精度也越来越高，采集到的数据，特别是图像等数据量激增，对监控中心和网络通信系统造成越来越大的压力。采用边缘计算设备，可以从海量数据中提取有效数据，可以在数据融合基础上挖掘数据价值，还可以在决策融合基础上缩短决策流程，从而降低数据冗余、加快响应速度。

高速公路智能交通智能边缘计算是通过智能边缘计算单元对区域路段交通信息进行实时的本地处理和决策,并和云控平台建立层级决策体系,目的是降低数据冗余，减轻数据处理量，低时延地进行交通诱导和控制。除此之外，边缘计算在智能交通的应用场景包括设备接入和运营维护、路况监测（①图像识别②图像数据提取和压缩③大数据、规模引擎、数据融合④交通控制和信息发布）等。

6 结束语

边缘计算是大数据时代发展的一大助力，为云计算的海量计算减轻了压力。在各行各业有很多不同的应用场景，相信在未来的某一天，边缘计算会得到广泛应用。本文通过对边缘计算基本概念、优点以及关键技术的简单剖析，介绍了边缘计算的基本架构，以及一些实用的应用场景，之后对边缘计算层存在的一些机遇和挑战进行了简单地阐述。随着万物互联时代的到来，边缘计算的运用已经走向成熟阶段，并发挥着极大的作用。仅仅几年，边缘计算就爆发性增长，相信今后边缘计算将会产生无穷的效益，为各行各业带来极大利益。

参考文献

1. 施巍松,张星洲,王一帆,张庆阳.边缘计算:现状与展望[J].计算机研究与发展,2019,56(01):69-89.

2. Yiwen Zhang,Jie Pan,Lianyong Qi,Qiang He. Privacy-preserving quality prediction for edge-based IoT services[J]. Future Generation Computer Systems,2021,114.

3. 李洪星. 移动边缘计算组网与应用研究[D].北京邮电大学,2017.

4. 陈天,陈楠,李阳春,樊勇兵.边缘计算核心技术辨析[J].广东通信技术,2018,38(12):40-45.

5. 林嘉莉,孟忻,俞建军,毛雄飞,傅文军.基于5G MEC技术的工业边缘计算核心技术能力[J].中国仪器仪表,2019(07):21-26.

6. 储节旺,陈芬,郭春侠.边缘计算在图书馆智慧服务中的应用探索[J].情报理论与实践,2020,43(03):78-84.

7. 张鹏程,赵齐,高泽宇.一种融合移动边缘计算和深度学习的城市街道垃圾检测和清洁度评估方法[J].小型微型计算机系统,2019,40(4):901-907.

8. Hai Lin,Sherali Zeadally,Zhihong Chen,Houda Labiod,Lusheng Wang. A survey on computation offloading modeling for edge computing[J]. Journal of Network and Computer Applications,2020,169.

9. 张剑峰,蒲宁锋,倪建熙,赵川斌.结合应用场景的智慧园区MEC部署实践[J].通信与信息技术,2021,(01):36-40.

3